基于重加權譜峭度方法的航空發(fā)動機故障診斷

張忠強,張新,*,王家序,劉治汶

1. 西南交通大學 機械工程學院,成都 610031 2. 電子科技大學 自動化工程學院,成都 611731

航空發(fā)動機是衡量一個國家綜合科技水平、科技工業(yè)基礎實力和綜合國力的重要標志,我國新時代“航空強國”戰(zhàn)略對航空發(fā)動機安全性、穩(wěn)定性和可靠性提出了更高的要求。航空發(fā)動機作為飛機的核心部件,其結構復雜且工作條件極端(高溫、高壓、高速、高強度、變負荷等),所以對其核心傳動件(如軸承)要求極高,一旦發(fā)生故障將嚴重威脅飛機的飛行安全。為此,航空發(fā)動機核心傳動件的運行狀態(tài)監(jiān)測與早期故障診斷對于及時發(fā)現(xiàn)潛在故障、保障飛行安全具有重要意義。

由于實際檢測中受多個振動源、復雜傳遞路徑以及強噪聲干擾的影響,測量信號中故障特征信息通常十分微弱,這無疑給軸承故障診斷帶來了極大的挑戰(zhàn)。為有效提取測量信號中的故障特征信息,提出了許多方法,其中共振解調技術(又稱包絡分析)是目前被廣泛應用的滾動軸承早期故障特征提取方法之一,但關鍵和難點在于確定合適的濾波器參數(shù)(中心頻率和帶寬)。針對此問題,Antoni提出了一種基于短時傅里葉變換或有限沖擊響應帶通濾波器的快速譜峭度方法(Fast Kurtogram),該方法能夠自適應地獲取合適的濾波器中心頻率和帶寬,實現(xiàn)對故障特征的有效提取,因此得到了廣泛的應用。Barszcz和Randall將此方法應用于風電行星齒輪箱故障檢測中,在齒輪故障前幾周檢測到了齒輪裂紋的存在。為更有效的提取故障特征,許多學者對此做出了改進,如：Lei等認為小波包變換在時頻域內具有更好的局部特性,因此利用小波包變換替代短時傅里葉變換得到基于小波包變換的快速譜峭度方法。Wang等基于小波包變換流形學習對快速譜峭度方法做出改進,提出了譜峭度流形學習方法,能夠在整個時頻空間內抑制噪聲,實現(xiàn)對故障信號的增強。

然而,由于實際測量信號中除了高斯白噪聲外通常還包括其他非高斯干擾成分(如強沖擊干擾),此時上述基于峭度(一種非高斯度量指標)的快速譜峭度方法及其改進方法通常難以準確提取由軸承或齒輪局部損傷引起的周期性沖擊序列。為解決這個問題,代士超等提出了子頻帶譜峭度平均的快速譜峭度算法,該方法先對原始信號分段,將每段信號作為快速譜峭度算法的輸入進行譜峭度計算,然后對每組譜峭度對應位置求和取平均得到平均譜峭度,再以此選取濾波器參數(shù)對信號進行處理。Wang等提出了基于雙樹復小波包變換的子帶平均譜峭度方法,該方法先將信號分割成各子信號,然后計算各子信號經雙樹復小波包分解后的峭度,最后計算各子帶的平均峭度得到子帶平均譜峭度。但是,上述方法對于沖擊干擾的抑制能力有限,當存在強沖擊干擾時,仍難以準確提取故障特征信息。

鑒于此,本文定義了一種對強沖擊干擾魯棒性更好的指標——重加權峭度,并提出了重加權譜峭度方法(Reweighted Kurtogram)。方法對原始信號經“Binary-Ternary”小波包分解后的各頻段進行等分,計算各等分頻段峭度及所占其和的權重并分別進行重排,然后利用重排后的權重對各等分頻段峭度進行重加權得到各頻段重加權峭度,最后得到重加權譜峭度圖,并據此選擇濾波器參數(shù),提取故障特征。

1 問題描述

1.1 故障信號模型

在基于振動信號分析的旋轉機械健康監(jiān)測和故障診斷中,由于存在多個振動源以及受復雜傳遞路徑和強噪聲影響,測量信號通常表示為

=+

(1)

式中：為待提取的周期性故障沖擊成分；為高斯或非高斯干擾成分(如高斯白噪聲、少量強沖擊干擾或諧波分量等)。上述未知干擾成分破壞了測量信號中的故障沖擊成分,使得故障特征信息十分微弱,給故障診斷帶來了很大挑戰(zhàn)。

1.2 快速譜峭度方法及其主要問題

Antoni在Dwyer基礎上給出了譜峭度的正式定義,其描述的是信號峭度值隨頻率變化的關系,目的是獲得最大峭度值所對應的最優(yōu)濾波器參數(shù),完成故障沖擊特征提取。隨后,Antoni又提出了基于短時傅里葉變換或有限沖擊響應濾波器的譜峭度快速算法,即快速譜峭度方法,方法具體過程如下：

利用低通原型濾波器()構建低通和高通準解析濾波器()和(),即

(2)

式中：=1,2,…,,表示濾波器長度。

=(+2)2--1

(3)

(Δ)=2--1

(4)

(5)

為提升頻帶劃分精度,Antoni在其最新的快速譜峭度程序中利用“Binary-Ternary”小波包變換替換了有限沖擊響應濾波器。峭度指標作為一種非高斯度量指標,能一定程度反映設備的健康狀態(tài),因此快速譜峭度方法在故障診斷領域得以被廣泛應用。但如引言所述,當待分析信號中含有強沖擊干擾(由于復雜工況,工程實際采集的振動信號可能含有少量強沖擊干擾)時,快速譜峭度方法常會選取錯誤的頻段濾波器參數(shù),原因在于單個沖擊信號的峭度通常會比同信號長度的周期性沖擊序列更大。

2 重加權譜峭度方法

針對快速譜峭度方法存在的上述缺陷,本節(jié)提出了重加權譜峭度方法。該方法定義了一種對少量強沖擊干擾具有較好魯棒性的新指標——重加權峭度。同時,方法選用第1節(jié)所述的“Binary-Ternary”小波包變換,以防止對信號分解時出現(xiàn)窄帶瞬變遺漏,保證在(,Δ)平面進行更加精細采樣。方法具體步驟如下：

(6)

(7)

(8)

圖1 重加權譜峭度圖Fig.1 Paving of reweighted kurtogram

為更直觀地比較重加權峭度RK與傳統(tǒng)峭度,圖2給出了同信號長度下周期性故障沖擊序列與單個強沖擊信號的RK和。同時,本文還同平均窗峭度AK進行了對比分析。由圖2可知,單個沖擊信號的峭度(846.33)遠大于周期性故障沖擊序列的峭度(52.90),而單個沖擊信號的重加權峭度(2.0左右)遠小于周期故障沖擊序列的重加權峭度(52.90左右,幾乎等于峭度)。雖然單個沖擊信號的AK隨等分程度增大而減小,但仍大于周期性故障沖擊序列的AK。

基于上述分析,重加權譜峭度方法可以克服快速譜峭度方法在處理含強沖擊干擾信號時無法選取有效濾波器參數(shù)的問題,而基于AK的平均窗譜峭度方法對此的能力卻十分有限。

另外,重加權譜峭度方法中關于分段數(shù)的取值,可視待分析信號中沖擊干擾的強弱而定,當沖擊干擾較強時對應取較大的值,同時筆者通過對多組軸承數(shù)據分析發(fā)現(xiàn),當分段數(shù)為4時,該方法均能得到較好的分析結果,因此在使用該方法時,推薦值取4。但為與平均窗峭度進行對比,在本文后續(xù)仿真分析與案例研究中盡量取較小值,以顯示所提方法的優(yōu)越性。

3 仿真分析

為驗證重加權譜峭度方法的有效性,本節(jié)進行仿真分析,同時與快速譜峭度方法和平均窗譜峭度方法(Average Windowed Kurtogram)進行對比。由于實際測量信號除了含周期性故障沖擊成分還常常包括高斯白噪聲以及其他非高斯干擾成分(如強沖擊干擾),故本節(jié)模擬了兩組仿真信號。仿真信號1由周期性故障沖擊序列()和高斯白噪聲()合成,信號2在其基礎上增加了單個強沖擊干擾分量()。信號采樣頻率與采樣時間分別為=10 kHz和0.8 s。信號的組成分別如式(9)、式(10)所示(為信號采樣點數(shù)),時域波形對應如圖3和圖4所示。為更好地呈現(xiàn)信號的細節(jié)信息,圖3(d)和圖4(e)給出了兩組仿真信號0.2～0.3 s內的時域波形?？梢?周期性故障沖擊序列被干擾成分完全掩蓋。

(9)

(10)

圖3 仿真信號1Fig.3 The first simulated signal

圖5為重加權譜峭度方法以及對比方法(快速譜峭度方法和平均窗譜峭度方法)對仿真信號1的分析結果,此例中=2。可見,3種方法所求濾波器參數(shù)相同(中心頻率和帶寬分別為4 375 Hz和1 250 Hz),均能從含高斯白噪聲干擾的信號中提取周期性故障沖擊特征。

圖5 3種方法(Z=2)對仿真信號1分析結果Fig.5 Analysis results of the three methods for the first simulated signal (Z=2)

圖6、圖7給出了3種方法對仿真信號2的分析結果(=3)?？梢?當存在非高斯的強沖擊干擾時,重加權譜峭度方法所選取的濾波器參數(shù)(中心頻率和帶寬分別為4 062.5 Hz和625 Hz)仍能準確提取故障特征,如圖6所示。而快速譜峭度方法和平均窗譜峭度方法所選取的濾波器參數(shù)相同(中心頻率和帶寬分別為859.38 Hz和156.25 Hz),無法提取到周期性故障沖擊特征,反而提取到的是強沖擊干擾的特征,如圖7所示。

圖6 重加權譜峭度方法(Z=3)對仿真信號2分析結果Fig.6 Analysis results of reweighted kurtogram for the second simulated signal (Z=3)

圖7 對仿真信號2分析結果的比較Fig.7 Analysis results of the comparative method for the second simulated signal

4 航空發(fā)動機故障診斷

利用重加權譜峭度方法對航空發(fā)動機故障進行診斷分析,以進一步驗證方法對于實際信號分析的有效性。振動數(shù)據采自法國Safran公司生產的某航空發(fā)動機附件齒輪箱,發(fā)動機結構示意圖及傳感器位置如圖8(a)所示。該齒輪箱軸和軸滾動軸承分別出現(xiàn)了不同程度的損傷,其中軸軸承外圈存在劃痕損壞,軸軸承外圈存在局部剝落損壞,如圖8(b)所示。

圖8 Safran公司航空發(fā)動機[21]Fig.8 Aero-engine from Safran[21]

航空發(fā)動機在運行過程中,脈沖轉速計(每轉44脈沖)安裝在軸上,兩個加速度計分別安裝在軸和軸附近。由于軸附近加速度計在信號采集過程中出現(xiàn)了故障,僅對軸附近加速度計所采集的振動信號進行分析。數(shù)據采集工作一共持續(xù)了204 s,采樣頻率為44 100 Hz,本文所分析數(shù)據處于5～30 s時間段,信號時域波形如圖9所示,在該時間段內,發(fā)動機為恒定轉速運行。為顯示發(fā)動機振動信號的細節(jié)信息,圖9(b)截取了20～20.1 s內的時域波形,可見,信號中含有強烈的干擾成分,故障特征信息十分微弱。軸上轉速計實測轉頻約為180 Hz,通過軸與軸齒輪齒數(shù)(分別為62和61)可得到軸轉頻,然后根據軸軸承故障特征頻率相對于軸轉頻的比例系數(shù)(見表1),可以計算得到軸承故障特征頻率,即

=180×6261=18295 Hz

(11)

(12)

式中:、、、分別為外圈、內圈、滾動體及保持架故障特征頻率。

圖9 航空發(fā)動機實際測量振動信號Fig.9 Measured vibration signal of aero-engine

表1 軸承故障特征頻率相對于L5軸轉頻的比例系數(shù)[21]

圖10～圖12分別為重加權譜峭度方法、快速譜峭度方法和平均窗譜峭度方法對上述航空發(fā)動機振動信號的分析結果(其中=3),3種方法分解層數(shù)均取最大值13。如圖10所示,重加權譜峭度方法選取的濾波器中心頻率和帶寬分別為1 378.13 Hz和2 756.25 Hz,濾波信號平方包絡譜中在183.58 Hz和1 412.07 Hz處出現(xiàn)了頻率峰值?？紤]到軸承實際運行中存在滑移、安裝誤差等情況,上述頻率近似等于軸的轉頻和其支撐軸承的外圈故障特征頻率?？梢?重加權譜峭度方法對軸軸承故障診斷結果與實際情況相符。而圖11、圖12所示的快速譜峭度方法與平均窗譜峭度方法所選取的濾波器參數(shù)(前者的中心頻率和帶寬分別為11 195.92 Hz和2.69 Hz、后者的為11 203.99 Hz和2.69 Hz)未提取到任何與軸軸承故障相關的特征。

圖10 重加權譜峭度方法對航空發(fā)動機信號分析結果Fig.10 Analysis results of reweighted kurtogram for aero-engine signal

圖11 快速譜峭度方法對航空發(fā)動機信號分析結果Fig.11 Analysis results of fast kurtogram for aero-engine signal

圖12 平均窗譜峭度方法對航空發(fā)動機信號分析結果Fig.12 Analysis results of average windowed kurtogram for aero-engine signal

由上述分析結果可見,相較于快速譜峭度方法與平均窗譜峭度方法,重加權譜峭度方法對實際信號分析效果提升明顯,具有較大優(yōu)勢。

5 結 論

1) 定義了一種新的濾波器選擇指標,即重加權峭度指標,并驗證了指標對于強沖擊干擾具有更好的魯棒性。

2) 提出了重加權譜峭度方法,仿真分析結果驗證了方法在強沖擊干擾下提取故障特征的有效性。

3) 在航空發(fā)動機故障診斷中的應用以及與快速譜峭度方法、平均窗譜峭度方法的對比結果,進一步凸顯了方法的實用性和優(yōu)越性。